<ul><li>A figura unidimensional (pictograma - volumes de sólidos semelhantes variam na proporção ao cubo, acabam sendo usados para exagerar fatos);</li><li>O número semiligado (quando dados são apresentados como equivalentes para provar um ponto, mesmo não sendo);</li><li>Post hoc está de volta (a falácia post hoc é quando um determinado evento é causado por outro evento que o antecede) </li><li>Como estatisticular (fornecer informações incorretas usando estatística, ex. decimais que dão aura de precisão, percentual que se baseia em número absoluto pequeno, mapas distorcidos, soma injustificada);</li></ul>

As mentiras 

<ul><li class="ql-align-justify">A amostra com tendenciosidade embutida.</li><li class="ql-align-justify">A média bem escolhida (estamos falando de média aritmética, mediana ou moda? Só não é essencial distingui-las em dados com distribuição normal - ex. altura).</li><li class="ql-align-justify">Os numerozinhos que não estão ali (tamanho da amostra, grau de significância, faixa de variação ou seu desvio da média apresentada, vocabulário escolhido).</li><li class="ql-align-justify">Muito barulho por praticamente nada (quando não são apresentadas faixas de variação e/ou valor de erro provável/erro padrão).</li><li class="ql-align-justify">O gráfico exagerado (eixos ocultos e/ou com proporções impróprias)</li></ul>

As mentiras

Quem está dizendo? Procure por parcialidade, declaração falsa/ambígua, seleção de dados favoráveis, supressão de desfavoráveis, unidades de medida trocadas, “média” conveniente, etc.Como ele sabe?Identifique se o tamamho de uma amostra permite uma conclusão confiável, se um correlação é grande o suficiente para ser relevante.O que está faltando?"Muitos números perdem o sentido devido à falta de comparação": correlação sem medida de confiabilidade (margem de erro), percentuais sem valores brutos, média não especificada, etc.Alguém mudou de assunto?Isso faz sentido?

Pergunte-se

Os números grandes: "OS USUÁRIOS da pasta de dentes Doakes relatam ter 23% menos cáries, dizem letras garrafais." 🥰Os númerozinhos: amostra com 12 pessoas. 😅Amostra estatisticamente inadequada: número não substancial de valores envolvidos. O número ideal depende, entre outras coisas, do tamanho e da variedade da população analisada.

[+] Sobre os numerozinhos

<ul><li class="ql-align-justify">Olhe com suspeita para "um dado surpreendentemente preciso" e "implausivelmente positivo" (ex. “EM MÉDIA, um ex-aluno de Yale da turma de 1924 ganha 25.111 dólares por ano”);</li><li class="ql-align-justify">Tente entender/identificar se uma determinada amostra omitiu grupos com maior probabilidade de reduzir suas respectivas medidas de tendência central.</li><li class="ql-align-justify">Permita-se algum grau de ceticismo em relação aos resultados quando perceber uma chance de tendenciosidade na amostra.</li><li class="ql-align-justify">Uma amostragem representa sempre outras amostras... da população; das perguntas possíveis; das atitudes e experiências do respondente em cada questão.</li></ul>

[+] Sobre as amostras: dicas

Pesquisa de mercado pressupõem que os entrevistados estão sendo honestos, o que não se pode garantir.Por exemplo, ao questionar hábitos, alguns entrevistados podem responder como gostariam de ser vistos e não como são.Sobre amostras aleatórias<ul><li>Se entrevistas nas ruas, excluis quem fica em casa.</li><li>Se bates nas portas durante o dia, descartas as pessoas que trabalham fora.</li><li>Se fazes entrevistas à noite, negligencias aqueles que trabalham esse horário.</li></ul>Há sempre um batalha contra fontes de tendenciosidade! Tenha isso em mente ao ler e interpretar resultados.

[+] Sobre amostras de pesquisas de mercado

Não são bem as coisas que não sabemos que nos causam problemas. São as coisas que sabemos que não são assim.

A correlação pode ser de vários tipos:<ul><li class="ql-align-justify">Correlação produzida por acaso;</li><li class="ql-align-justify">Com covariância em que a relação entre as variáveis é real, mas não é possível identificar qual é a causa e qual é o efeito;</li><li class="ql-align-justify">Correlação absurda ou espúria (ex. salário de pastores presbiterianos em Massachusetts e o preço do rum em Havana);</li></ul>Cuidado em concluir que uma determinada correlação "continua para além dos dados com os quais foi demonstrada", ela pode se sustentar até certo ponto, e mudar de sentido rapidamente.

[+] Sobre o post hoc: cuidados

De onde obteve "exemplos valiosos":<ul><li>Business Statistics, de Martin A. Brumbaugh e Lester S. Kellogg;</li><li>Gauging Public Opinion, de Hadley Cantril; Graphic Presentation, de Willard Cope Brinton;</li><li>Practical Business Statistics, de Frederick E. Croxton e Dudley J. Cowden;</li><li>Basic Statistics, de George Simpson e Fritz Kafka;</li><li>Elementary Statistical Methods, de Helen M. Walker.</li></ul>

Livros citados pelo utor

Não saber nada sobre um assunto muitas vezes é mais saudável do que saber o que não é verdadeiro, e saber pouco pode ser perigoso.

Quando foi publicado pela primeira vez, em 1954, o livro de Darrell Huff foi saudado como pioneiro em conjugar linguagem simples e ilustrações para tratar de um tema polêmico e controverso: o mau uso da estatística para maquiar dados e abalizar opiniões. Hoje, em tempos de internet e big data, o livro continua genuinamente subversivo e ainda mais relevante. Qual é, afinal, o grau de confiança que devemos depositar nas análises estatísticas? Segundo Huff, vale ter sempre um pé atrás. Amostras enviesadas, gráficos dúbios, listagens incompletas: item por item o autor apresenta os vilões da interpretação de dados. Em um capítulo, ele aponta como os gráficos estatísticos, mesmo matematicamente corretos, podem não representar em nada a realidade. Em outro, vemos que uma mesma projeção pode mostrar um futuro positivo ou alarmante, dependendo da amplitude de dados que ela cobre. O livro termina com um brilhante passo a passo para o leitor aprender a diferenciar informação de enrolação. Escrito com humor e repleto de advertências tão atemporais quanto a ciência matemática, Como mentir com estatística é uma leitura agradável e absolutamente acessível. Indispensável para quem se vê bombardeado diariamente, seja pela mídia ou pela timeline do Facebook, por infográficos e estatísticas que se pretendem verdades incontestáveis.

books

Books

Quando foi publicado pela primeira vez, em 1954, o livro de Darrell Huff foi saudado como pioneiro em conjugar linguagem simples e ilustrações para tratar de um tema polêmico e controverso: o mau uso da estatística para maquiar dados e abalizar opiniões.Hoje, em tempos de internet e big data, o livro continua genuinamente subversivo e ainda mais relevante. Qual é, afinal, o grau de confiança que devemos depositar nas análises estatísticas?Segundo Huff, vale ter sempre um pé atrás. Amostras enviesadas, gráficos dúbios, listagens incompletas: item por item o autor apresenta os vilões da interpretação de dados. Em um capítulo, ele aponta como os gráficos estatísticos, mesmo matematicamente corretos, podem não representar em nada a realidade. Em outro, vemos que uma mesma projeção pode mostrar um futuro positivo ou alarmante, dependendo da amplitude de dados que ela cobre. O livro termina com um brilhante passo a passo para o leitor aprender a diferenciar informação de enrolação.Escrito com humor e repleto de advertências tão atemporais quanto a ciência matemática, Como mentir com estatística é uma leitura agradável e absolutamente acessível. Indispensável para quem se vê bombardeado diariamente, seja pela mídia ou pela timeline do Facebook, por infográficos e estatísticas que se pretendem verdades incontestáveis.“Uma exploração hilária das mentiras da matemática.” The New York Times“Peça por peça, Huff desmonta o modo como os marqueteiros usam estatísticas, tabelas e gráficos para apresentar números que confundem e enganam o público.” The Wall Street Journal